基于混合优化算法的电磁监测裂缝参数识别

压裂实时监测是水力压裂效果评价和工程参数优化的重要保障措施之一。传统电磁监测裂缝参数识别方法的准确性和精度难以保证,影响了监测效果。为了提高裂缝参数识别能力,提出了一种基于海洋捕食者密度聚类混合优化算法的电磁监测裂缝参数识别方法。利用海洋捕食者算法(MPA)进行多次寻优,以每次寻优结果作为初始数据集,然后,利用密度聚类算法(DBSCAN)进行聚类,构建中间样本数据集,最后,抽取该样本数据中值作为最终输出结果。采用Rastrigin函数进行测试,分析混合优化算法寻优能力。测试结果表明,相对粒子群优化算法(PSO),MPA算法单次寻优效果较佳。但两种算法寻优结果均具有较强随机性,其中,PSO和MPA算法50次寻优精度分别为10^(-7)~10^(2)和10^(-10)~10^(-2),而改进的混合优化算法寻优效果更稳定,寻优精度达10^(-7)。构建缝长、方位压裂模型并进行了数值模拟实验,结果表明,在噪声低于15%时,缝长和方位识别平均绝对误差分别小于1 m和1°。利用改进的算法对四川盆地某井页岩气压裂电磁监测实测数据进行分析,确定了裂缝改造的长度(缝长)与方位。实例分析结果验证了改进算法的可行性和有效性。

基于井震裂缝识别敏感性参数模型的碳酸盐岩储层裂缝预测方法

碳酸盐岩储层裂缝发育、非均质性强,单一测井或地震方法识别裂缝存在局限性,为此,提出了基于井震裂缝识别敏感性参数模型的碳酸盐岩储层裂缝预测方法。基于岩石物理分析,根据成像测井资料以及井点裂缝解释成果,建立了分层段测井井点裂缝识别敏感性参数(FISP)模型;以基于地质和测井多井解释结果划分的优质裂缝储层为判别依据,优选井旁道地震属性,以测井井点裂缝识别敏感性参数为参照,构建了基于井旁道地震属性的裂缝识别敏感性参数(FISPSA)模型;建立了基于测井、地震裂缝识别敏感性参数模型的储层裂缝预测技术路线和方法流程,实现了裂缝发育三维地震预测,形成了适用于潜山碳酸盐岩油藏的基于井震裂缝识别敏感性参数模型的三维地震裂缝预测方法。渤海湾盆地胜利油田埕岛潜山油藏实际应用取得了与实钻裂缝吻合一致的预测效果,表明了基于井震裂缝识别敏感性参数模型的三维地震裂缝预测方法的可行性。研究成果在同类地区裂缝性潜山油藏裂缝检测具有广泛的推广应用价值。

基于深度学习的裂缝预测在S区潜山碳酸盐岩储层中的应用

准确描述并预测裂缝空间分布是裂缝型潜山油藏储层开发的前提条件,裂缝型潜山油藏构造复杂、断层发育、地震反射多表现为空白或杂乱反射,传统的依赖模型的反演方法难以表征复杂的潜山断裂系统。为此,提出了以测井裂缝敏感参数FIC c为训练目标的深度信念网络反演方法。首先基于碳酸盐岩裂缝在测井曲线上的响应特征,综合伽马、井径等曲线,构建敏感性裂缝识别参数FIC c;然后以基于优选井计算的FIC c曲线作为训练目标、以井旁地震数据作为训练特征构成训练样本,通过训练深度信念网络,建立井旁地震数据与FIC c曲线之间的非线性映射关系;最后将训练成熟的网络模型应用到整个地震数据体,反演得到裂缝识别参数FIC c,进而预测裂缝空间分布。S区潜山裂缝预测的应用结果表明,测井裂缝识别参数FIC c识别结果与成像测井裂缝识别结果基本吻合,FIC c作为训练目标在S区裂缝预测中具有较好的可靠性;应用深度信念网络反演的解释结果表明S区潜山主要发育北东向裂缝,呈带状沿断层大面积发育,与熵属性刻画的裂缝发育带一致性较好,钻井吻合率达71%。